NVIDIA Vera Rubin NVL72 在 MLPerf Training v6.1 评测中实现最高达 2 倍 Blackwell Ultra 性能
NVIDIA Vera Rubin NVL72 平台在首次亮相的 MLPerf Training v6.1 训练中,交付了最快的训练时间,其 CUDA 软件栈已高度成熟。该架构专为应对日益复杂的 AI 智能体工作流而设计,显著缩短了模型与智能体的迭代周期。
NVIDIA Vera Rubin NVL72 平台在首次亮相的 MLPerf Training v6.1 训练中,交付了最快的训练时间,其 CUDA 软件栈已高度成熟。该架构专为应对日益复杂的 AI 智能体工作流而设计,显著缩短了模型与智能体的迭代周期。
NVIDIA Deep Learning Accelerator (DLA) 平台通过专用硬件加速边缘端深度学习推理,将计算负载从 GPU 卸载以提升能效。该技术已在 NVIDIA Jetson AGX Orin 上实现原生 DLA 推理支持,允许开发者在 Python 环境中直接调用 cuDLA 库运行多神经网络应用。
NVIDIA SOMA Retargeter 将人类演示中的协调性与时序适配至不同比例的机器人关节结构,解决直接复制无法匹配机械范围的问题。该技术作为具身智能训练起点,利用人类动作数据高效指导双足机器人学习从日常行为到复杂任务的移动技能。
NVIDIA Alpamayo 2 Edge 旨在让自动驾驶开发者在车载系统的算力与延迟约束下部署推理模型。该技术通过缩减模型规模、保留有用推理能力并验证目标硬件性能,解决了大模型上车需额外工作的难题。
NVIDIA DSX AI Factory Platform 新增开源组件 NVIDIA Snapshot,让初始化后的 GPU 推理任务在副本间复用。该功能解决冷启动耗时分钟级的痛点,使突发需求或副本故障时可用 GPU 即刻转化为服务容量。
NVIDIA 将专为 AI 智能体设计的 Agent Substrate 捐赠给开源社区,解决传统 Kubernetes 因单会话 Pod 导致的内存浪费及跨轮次冷启动延迟问题。该方案通过保留非活跃会话状态并消除 RL 后训练中的调度瓶颈,显著降低智能体等待提示或工具响应时的资源开销与重启耗时。
NVIDIA 在 CoRL 大会上推出 GR00T 2 开放世界动作模型,支持灵巧操作技能迁移与少样本泛化;同时发布 Isaac Lab 3.0 框架集成 Newton 物理引擎以模拟变形物体。材料介绍了多项新基准、数据工作流及智能体编程工具,旨在提升机器人从实验室演示到工业部署的精度与自主性。
推荐理由:NVIDIA 在 CoRL 大会上推出 GR00T 2 世界动作模型及 Isaac Lab 3.0,提供传感器与变形物体的高保真仿真工具链。
NVIDIA Holoscan 5 通过持续计算逆动力学,使机器人在手动引导时仅需电机提供支撑扭矩即可保持直立并抵消重力。该技术为示教学习、物体操作及人机协作提供了关键的基础闭环能力。
NVIDIA 在 COEX 举办的论坛上宣布投资韩国初创公司 Point2,并计划追加投资 Motif Technologies、RLWRLD 及 Upstage。
NVIDIA 利用其加速计算、AI 与仿真技术,联合三星电子在半导体工程(cuISS/cuDSS/cuEST/PhysicsNeMo)、Kakao Mobility 在 L4 自动驾驶开发(Hyperion/Halos)以及 LG Electronics 在机器人学习与工厂仿真(Isaac GR00T/CLOiD/Jetson AGX Thor)等领域推进物理 AI 生态。
推荐理由:NVIDIA 联合三星、Kakao Mobility 和 LG Electronics 在半导体工程、自动驾驶及机器人学习领域推进物理 AI 生态,展示了从开发到量产的加速计算与仿真应用。
NVIDIA 推出 Reshard Collective,解决强化学习后训练中推理与训练并行时的 GPU 资源解耦难题。该技术允许在独立 GPU 上运行策略模型推理并实时生成轨迹,同时仅对训练 GPU 更新权重且定期刷新全量参数。此方案显著提升了物理 AI 模型训练的并行效率与资源利用率。
在 AI 工厂中,高带宽内存(HBM)是速度最快但成本最高的存储层级。NVIDIA 指出,冗余权重拷贝、空闲会话的 KV 缓存或重新计算的前缀均浪费字节资源。核心问题已从 GPU 拥有多少内存转变为每字节能产生多少有效工作产出。
NVIDIA 开发了 AI Factory Operations Agent,旨在通过单一界面让智能体自动关联分析计算、网络及硬件等多维数据以定位训练性能下降原因。该工具直接应用于 NVIDIA DGX SuperPOD 集群的现场可靠性工程场景,替代工程师需查看多个仪表盘的繁琐操作。
NVIDIA CUDA 13.5 正式发布并实现 NVIDIA Vera Rubin 的通用可用(GA),标志着该加速计算平台从早期开发者访问阶段全面转向企业生产就绪状态。此次更新旨在利用人工智能与加速计算的突破,为智能驾驶、具身智能及世界模型等物理 AI 领域解锁前所未有的性能扩展能力。
NVIDIA NeMo 将生产环境证据转化为优先问题与自定义评估,以优化提示词、工具及 harness 代码。通用基准分数无法解释特定领域的智能体失败(如选错工具或遗漏上下文),该方法通过定制化评估直接定位改进点。
配置和优化针对 NVIDIA Vera Rubin 等新 GPU 硬件的 Kubernetes 环境复杂且易出错,需确保驱动、内核及调度器等组件协同调优。NVIDIA AI Cluster Runtime(AICR)作为 NVIDIA DSX AI Factory 的一部分,旨在解决此类匹配问题以保障工作负载运行与性能。
NVIDIA Cosmos 是专为物理 AI 开发者打造的包含世界基础模型与开发工具的平台,旨在解决模型适配传感器、任务及数据并可靠落地应用的两大挑战。该平台提供智能体技能与世界模型训练的配方(recipes),帮助开发者将通用模型高效转化为特定场景的交互式仿真解决方案。
AI 正从数据中心向边缘扩展,开发者仅需几条命令即可构建用于监控驾驶员注意力、机器人环境感知及产线机器人群控的智能体。这些物理 AI 应用依赖在严格内存、功耗和延迟预算内运行的模型,以支持实时感知、推理与行动。
NVIDIA NemoClaw 提供由开发者控制的运行时环境,通过强制执行策略及优化与可观测性工具,确保自主智能体在访问真实企业系统与数据时的安全运行。该方案旨在解决生产级智能体在部署时面临的可靠性挑战,为构建专用智能体提供完整的模型、框架及领域工具支持。
NVIDIA Technical Blog 展示利用 AI Agents 在仿真环境中训练 Microduck 机器人完成障碍赛道导航,涵盖感知、平衡维持及避障调整等能力。该过程整合了资产创建、物理建模、策略训练与评估全流程,证明仅靠行走策略不足以应对复杂环境。
NVIDIA 扩展了 Cosmos 平台,推出新的训练工具、仿真检查点和 Cosmos Data Factory 蓝图,帮助开发者快速构建用于理解与模拟现实世界的世界模型。
推荐理由:NVIDIA Cosmos 平台新增数据工厂蓝图与训练工具,支持多模态合成数据生成及开源模型适配,旨在加速物理 AI 系统的开发与部署。
NVIDIA 在柏林 GTC 展示将多台 DGX Spark 节点互联,以支持需数百 GB 显存的前沿架构及多模型并行编排。此举旨在把开发环境从数据中心延伸至桌面,让开发者能直接链接更多 Spark 节点进行复杂实验。
随着 AI 模型计算量每五个月翻倍且训练数据集每八个月翻倍,高效移动存储数据成为关键。NVIDIA 提供基于 Python 的解决方案,利用 GPUDirect Storage 技术直接将数据从存储设备加载至 GPU 显存。该方法旨在解决日益增长的加速器算力与海量数据处理之间的带宽瓶颈问题。
德国总理默茨与英伟达 CEO 黄仁勋在柏林 Kraftwerk 签署联合意向书,双方将合作开发物理 AI 前沿模型并建立欧洲领先的工业 AI 生态系统。NVIDIA 宣布对 Agile Robots、Avelios Medical、Mirelo 和 Reflex Aerospace 四家德国初创企业进行新投资,此前已承诺近 100 亿欧元支持欧洲生态。
推荐理由:NVIDIA 宣布在德国启动多项新投资并签署联合意向书,旨在推动工业 AI 与制造业深度融合。
NVIDIA 推出 Nemotron 3.5 Super VL 和 Bolt 语言多模态模型、Kumo 结构化数据模型、Cosmos 世界模型、Alpamayo 2 Edge 自动驾驶推理模型、BioNeMo 蛋白质设计模型及 Ising 量子计算模型。材料提供了各模型的开源仓库链接与部署入口,并列举了合作伙伴在特定行业的应用案例。
推荐理由:NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 等开源模型系列,提供欧洲主权 AI 基础与后训练工具链。
NVIDIA DSX POD 将计算、网络、存储及制冷等基础设施整合为统一生产单元,旨在让 AI 工厂更快且更可预测地部署。该方案解决传统数据中心需分步选址、设计电力冷却及布线的问题,确保 AI 工作负载在产生首个 token 前即可作为整体投入运行。
NVIDIA Omniverse DSX Blueprint 助力开发者将现场方案、设备资产及工程需求整合为一致模型,支持团队检视修订并准备仿真。该工具通过连接可编辑工作流,帮助团队在设计演进中探索替代方案并融入工程反馈,加速 AI 工厂数字孪生构建。
NVIDIA Isaac Lab 3.0 正式向公众发布,确立了下一代机器人学习的基准。该版本引入工厂式多后端架构,允许任务在 Newton、PhysX 等物理引擎及不同渲染器间切换而无需重写逻辑;提供 Warp 原生数据路径实现零拷贝访问;并支持 Kit-less 执行模式以简化部署流程。
推荐理由:NVIDIA Isaac Lab 3.0 正式发布,提供跨物理引擎与渲染器的统一任务接口及零拷贝数据路径。
NVIDIA CUDA Tile (cuTile) 作为基于 Python 的 DSL,利用高级硬件能力自动优化 tile 级 GPU 编程以交付峰值性能。该模型通过抽象线程和 warp 级调度,使开发者能用 Python 编写 GPU 内核并享受编译器自动优化带来的加速效果。
NVIDIA 宣布 EMEA 地区多个城市利用其加速计算构建物理 AI 代理和数字孪生,以提升道路维护、能源效率及公共服务的响应速度。合作伙伴包括 K2K、Akila、ThinkDeep、Galene.AI 等,应用覆盖英国利物浦、法国科多尔省、意大利米兰及比利时安特卫普等地,涉及交通规划、建筑能耗管理及合成数据训练模型等场景。
北欧地区凭借丰富可再生能源及严谨数据治理,正加速构建技术生态系统。NVIDIA 在该区域投资了 Lovable、Legora 等初创企业,并支持 Spotify、ABB Robotics 等利用 TensorRT-LLM、Omniverse 库及 DGX SuperPOD 部署 AI 应用。
Isaac Lab 文档站点新增经审核的预构建 Newton WebAssembly 仿真及其浏览器查看器与导出源码。该永久捆绑包包含场景、重建指令及工具,仅需浏览器即可运行演示,无需本地编译环境。更新通过提交命名归档和 SHA-256 校验确保可复现构建,旧版资产保持可用以兼容现有工作流。
Google DeepMind 正式发布 Gemini 4 Argon 模型,该模型在具身推理基准 ERQA 中以 87% 的分数领先其他前沿模型,并展示了通过观看人类操作视频自主构建仿真代码、进而将技能迁移至人形机器人(Apptronik Apollo)实现连续投掷的技能。
推荐理由:DeepMind 发布 Gemini 4 Argon,在具身推理基准 ERQA 以 87% 分数领先,并展示通过观看视频自主构建仿真代码并在人形机器人上实现技能迁移的能力。
NVIDIA 将完整的 NVIDIA Run:ai 平台以开源软件形式发布,赋予客户、开发者及生态伙伴访问生产级 AI 工作负载与 GPU 编排能力的权限。此举扩展了 NVIDIA DSX AI Factory 平台,确立 NVIDIA Run:ai 为开放基础,使更广泛生态系统能推出差异化解决方案。
NVIDIA 开发者利用 GPT-6 Astra 等前沿模型结合 Omniverse 库,通过自然语言指令构建可编辑的 3D 资产、测试机器人拆解及数字孪生场景。实验涵盖使用 Houdini 与 Isaac Sim 生成动画、在 Onshape 中配置 CAD 模型以及分析燃气轮机工况,实现了从概念到仿真应用的快速转化。
NVIDIA 通过让机器人自动组装 GB300 超级芯片测试托盘,验证了其在物理 AI、机械智能及传统工程领域的融合能力。该演示展示了如何利用先进硬件解决全球工厂中依赖熟练人工的精密装配难题。项目旨在揭示机器人学习与实体操作结合的新路径,为未来自动化制造提供技术参考。
NVIDIA 提出利用数字孪生和 AI Agent 来验证复杂的 AI 工厂基础设施变更,以解决软硬件栈快速变化带来的部署挑战。该方法旨在确保 GPU、CPU 等硬件及调度器、安全控制策略协同工作,保障各类工作负载的有效运行。
NVIDIA 指出在数千 GPU 上训练万亿参数模型时,多并行维度、低精度计算及分布式检查点使故障复现复杂。引入比特级确定性可显著降低大规模预训练的调试难度并支持可靠验证与恢复。该技术通过 Megatron Core 解决分布式训练中失败复现困难的问题。
NVIDIA 推出 DOCA GPUNetIO,旨在让 GPU 应用的网络与数据传输行为如同由 GPU 直接控制的操作,而非依赖主机驱动服务。该技术通过消除 CPU 在网络事务中间的瓶颈,降低延迟并提升分布式应用的实时响应效率。此方案统一了 NVIDIA 软件栈中的 GPU 发起式网络架构,解决关键路径上的性能限制问题。
OpenCV 将于 2026 年 10 月 8 日周四上午 9 点(太平洋时间)举办名为"OpenCV Live! 228"的直播,主题聚焦构建从 OpenCV 到 NVIDIA Isaac Sim 的物理 AI 管线。NVIDIA Isaac Sim 作为开源参考框架,支持在基于物理的虚拟环境中进行机器人仿真、测试及合成数据生成,并能摄入 CAD、URDF 或真实世界捕获等多源数据。